基于DEA的區域科研機構R&D效率研究

郭婷 貴淑婷 任妮

摘要 基于2012—2013年《中國科技統計年鑒》的科研機構數據，利用DEA方法，對我國各省區市科研機構的R&D情況進行了分析，并根據分析結果為各省區市科研機構提出了改進的方向。研究發現，我國科研機構整體R&D效率不高，省際間差距大，規模效率平均值高于純技術效率，但純技術效率為1.000的省區市要多于規模效率為1.000的省區市；在R&D的投入上，人員冗余的現象多于經費冗余；在R&D的產出上，科技論文、科技著作、專利申請、有效發明專利、國家或行業標準都存在不同程度不足，其中科技論文數的不足最為嚴重，對專利的申請力度要大于對專利的維護力度；根據R&D投入水平和綜合技術效率，可將我國省區市科研機構分為“高高”“高低”“低低”和“低高”4種類型，各省區市可根據自身的效率特點及所處的類型，針對性地進行效率改進。

關鍵詞 科研機構；R&D效率；R&D；DEA

中圖分類號 S-058 文獻標識碼 A 文章編號 0517-6611（2018）29-0170-06

Abstract Based on the research data of the 2012-2013 China Science and Technology Statistical Yearbook，using the DEA method， the R&D situation of scientific research institutions in various provinces of China was analyzed， the research directions of scientific research institutions in various provinces were proposed based on the analysis results. The study found that：Chinas scientific research institutions R&D overall efficiency was not high， the gap between provinces was large， the average scale efficiency was higher than that of pure technical efficiency.However， the provinces with pure technical efficiency of 1.000 were more than the provinces with scale efficiency of 1.000， the phenomenon of staff redundancy was more serious than that in the R&D output funds. In terms of R&D output，scientific papers， works of science and technology， patent application， patent， national or industry standards had different degrees of deficiency.The lack of the number of scientific papers was the most serious， the patent application was greater than the patent maintenance efforts.According to the R&D investment level and the comprehensive technical efficiency，the scientific research institutions in China can be divided into four types.Each province can improve efficiency according to its own efficiency characteristics and types.

Key words Scientific research institutions；R&D efficiency；R&D；DEA

科技創新作為科技進步的主要手段，已成為一個國家國力強弱、競爭力高低的決定性因素。R&D（研究與發展）作為科技創新的重要組成部分，決定著科技創新能力的高低。因此，各國都在不斷加大R&D活動的投入，以期提高科技創新能力，增強科技實力。科研機構是實施科學研究的重要主體，是一個國家和地區科技創新體系中不可或缺的重要組成部分，它作為科技活動的源頭和基地，既是科學原理、自然規律的探索者，也是將科技轉化為生產力的中堅力量[1]。隨著我國經濟的發展和科學體制改革的不斷深化，各地對科研機構的投入不斷加大，科研機構在科技發展中的作用和地位顯得越發突出和重要。但在科研機構的發展過程中，也逐漸暴露出一些諸如科研機構R&D效率偏低、資源稀缺性困境和資源配置不合理等問題。因此，科研機構R&D效率的評價已成為當前科學研究較為關注的問題，合理的評價結果對科研機構的研發活動具有指導和借鑒的意義。

筆者利用《中國科技統計年鑒》統計的有關科研機構的數據，采用DEA方法，對我國31個省區市科研機構的R&D效率進行了一次系統性的評價分析，根據分析結果可以了解我國各省區市科研機構的R&D現狀，并為各省區市科研機構提高R&D效率提出了改進的方向。

1 文獻回顧

國外對科研機構的R&D效率評價要早于國內，國內外R&D效率評價的對象多集中于國家間[2-4]、區域[5-7]、高校[8-10]、企業[11-12]等研發主體，對科研機構[10，13-14]的R&D效率研究相對較少，因此筆者選擇科研機構為評價對象，以期了解科研機構的R&D現狀，并為科研機構R&D效率的提升提出建議。

當前在進行效率評價時，主要有2種方式：參數化分析方法（parametric approach）和非參數分析方法（nonparametric approach）。參數化分析方法必須預設生產函數，并對誤差項進行估計，然后通過計量回歸模型來估計參數，進一步評價生產效率，具有代表性的有隨機前沿法、回歸分析法和因子分析法等；而非參數分析法則無需預設生產函數及其參數，以線性規劃方法來求解各個觀察值的相對效率，具有代表性的有DEA、人工神經網絡、層次分析法和模糊評價方法等。

DEA方法在R&D效率評價中的優點主要表現在：R&D活動是一項多投入多產出的活動，而DEA方法本身就適用于評價多投入多產出問題；DEA方法不必考慮指標的量綱，避免了由于指標量綱不同而需尋求相同度量所帶來的許多困難；DEA方法不需要事先確定各R&D投入與產出指標間的權重關系，減少了因指標權重賦值帶來的誤差和工作量；DEA方法在對多個同種類型決策單元進行效率評價時，可以提供效率改進建議，使評價結果更便利地用于實踐。DEA因其自身的優勢，得到了廣泛的應用，筆者選擇DEA方法對科研機構的R&D效率進行分析。

2 研究方法

數據包絡分析法（data envelopment analysis，DEA）是由著名運籌學家A.Charnes，W.W.Cooper和E.Rhodes在1978年提出，主要用于評價決策單元間（decision making unit，DMU）相對有效性的一種方法[15]。它的基本思想是將每一個被評價的單元或部門視為一個決策單元，由決策單元組DMUs構成評價群體，這個群體可以是學校、政府部門、科研活動執行體、銀行、企業等，處于同一評價群體的每個DMU都是具有同樣種類的資源消耗，并產生出同樣種類的產品，即各DMU具有相同的投入項指標和相同的產出項指標；在指標項和DMUs確定以后，采用數學規劃模型比較DMU之間的相對效率，進行投入產出比率的綜合分析，得到每個DMU綜合效率的量化指標值，從而確定相對效率最高的DMU（即DMU有效），并對DMUs進行排隊定檔次，同時給出非DEA有效的DMU和DEA有效的DMU之間差距的數據，以此作為調整非有效的DMU，向有效方向努力的方向和有關投入或產出項調整的數量依據[16-17]。

該研究數據來源于2012—2013年《中國科技統計年鑒》，以我國31個省區市的科研機構為研究對象，由于R&D投入與產出之間存在一定的時間差，從項目申請、設備購置、人員配備、實驗研發到科技成果產出這一過程需要一定的時間才能有實際效果，因此該研究考慮了R&D投入與產出的時滯問題，將時滯設為1年，把2012年的相關數據作為R&D投入數據，2013年的相關數據作為R&D產出數據，分析2012年我國各省區市科研機構的R&D效率。

在科研機構的R&D活動中，人員和經費是其投入的主體，因此該研究將R&D人員全時當量和R&D經費作為科研機構R&D活動的投入指標。其中前者是指R&D全時人員（全年從事R&D活動累計工作時間占全部工作時間90%及以上的人員）工作量與非全時人員按實際工作時間折算的工作量之和，全面地衡量了R&D活動中的人力資本投入量；后者是指科研機構R&D內部經費與外部經費之和，完整地反映了R&D活動中的經費投入量。

在產出指標上，根據文獻調研和《中國科技統計年鑒》提供的統計指標，科研機構的R&D產出主要包括專利、科技論文及著作等，考慮數據的可得性和完整性，該研究將科技論文數、專利申請數、有效發明專利數、科技著作數、國家或行業標準數這5項指標作為科研機構R&D產出的指標，這5項指標分別從不同角度表征了科研機構的產出情況。該研究所建立的指標體系如表1所示。

4 實證分析

該研究以2012—2013年《中國科技統計年鑒》的科研機構數據為基礎，以我國31個省區市的科研機構為研究對象，采用DEA方法，使用DEP2.1軟件，對科研機構的R&D情況進行了效率分析、投影分析和聚類分析，分析結果如下。

4.1 效率分析 利用DEA的BCC模型和CCR模型可以得到各省區市科研機構R&D的綜合技術效率、純技術效率和規模效率，具體結果見表2。

4.1.1 綜合技術效率分析。由表2可知，在31個省區市中，浙江、福建、廣東、海南、貴州、青海、寧夏和新疆8個省區科研機構R&D的綜合技術效率為1.000，即這8個省區科研機構的R&D情況處于有效生產前沿面上，投入和產出的效率達到相對最佳狀態，是科研機構R&D效率最有效的省區。其余23個省區市科研機構R&D的綜合技術效率小于1000，這表示我國50%以上地區科研機構R&D的綜合技術效率相對無效，存在不同程度的投入產出不匹配的問題。整體而言，31個省區市科研機構R&D綜合技術效率的平均值為0.701，屬于中度有效，表明我國科研機構R&D投入產出情況有一定的改進空間，整體效率有待進一步提高；另外，在科研機構R&D綜合技術效率無效的省區市中，吉林的效率最高，內蒙古的效率最低，兩地效率差值達0.656，省份間的差異很大。

具體來看，吉林和北京2個省市科研機構R&D的綜合技術效率介于0.900～1.000，屬于邊緣有效的省市，只需對這2個省市科研機構R&D投入或產出的某些指標或環節稍作調整，即可達到相對有效。天津、山西、遼寧、黑龍江、上海、江蘇、安徽、山東、湖北、廣西、云南、西藏和甘肅13個省級科研機構R&D的綜合技術效率位于0.500～0.899，屬于中度有效的省區市，這些省區市科研機構的R&D效率有一定的提升空間，若能合理配置科研機構R&D投入與產出的效率，就能達到相對有效，否則就會變成科研機構的R&D效率嚴重無效的省區市。河北、內蒙古、江西、河南、湖南、重慶、四川和陜西8個省區市科研機構R&D的綜合技術效率低于0.500，屬于嚴重無效的省區市，這8個省區市科研機構R&D的效率有相當大的提升空間，需要重新分配這些省區市科研機構R&D投入與產出的效率，以達到效率相對有效。

結合各省區市科研機構R&D投入與產出指標的對應值，可以發現科研機構R&D綜合技術有效的地區是一些投入水平較低但產出水平較高的省區市；但效率高的省區市的產出水平不一定大于效率低的省區市，投入水平也不一定低于效率低的省份。如福建R&D人員投入排第26位、R&D經費投入位于第24位。發表科技論文數位于第18位、出版科技著作位于第21位、專利申請數位于第21位、有效發明專利位于第21位、形成國家或行業標準數位于第18位；河南R&D人員投入排第9位、R&D經費投入位于第10位、發表科技論文數位于第14位、出版科技著作位于第11位、專利申請數位于第14位、有效發明專利位于第16位、形成國家或行業標準數位于第24位；河南省科研機構R&D投入都高于福建省，且R&D產出有4項都高于福建省，但福建省科研機構的R&D效率有效，而河南省科研機構的R&D效率無效。以此，科研機構R&D投入和產出數量的多少并不等于R&D效率的高低，R&D活動是否有效取決于投入與產出指標的合理配置，只有R&D人員與經費投入適量，產出結果合理配置的省份才能充分利用各種投入資源，獲得高水平的產出，從而達到綜合技術有效。

4.1.2 純技術效率分析。BCC 模型將綜合技術效率分解為純技術效率和規模效率，由DEA的原理可知，省份科研機構R&D綜合技術效率有效的前提是R&D效率既要達到純技術有效又要達到規模有效，因此根據純技術效率和規模效率能更準確地反映出綜合技術效率無效的原因所在。

在31個省區市中，除了達到科研機構R&D綜合技術效率有效的8個省區市外，北京、上海、山東、吉林和西藏這5個省區市科研機構R&D的純技術效率值也為1.000，這意味著這5個省區市科研機構的R&D現狀是純技術有效的，其R&D效率的提高主要受規模效率影響，應適當擴大或縮減規模來提高R&D效率，另外這5個省區市科研機構R&D的綜合技術效率屬于邊緣有效和中度有效。其他省區市科研機構R&D的純技術效率都小于1.000，說明這些省區市科研機構R&D綜合技術效率無效的原因有一部分來自純技術效率，應規范管理R&D活動，合理安排R&D進程，進而提高R&D效率。

4.1.3 規模效率和規模收益分析。規模效率是綜合技術效率與純技術效率的比值，當規模效率為1.000時，表明決策單元規模有效，處于規模收益不變階段；若小于1.000則為規模無效，處于規模收益變動階段。在31個省區市中，除了達到科研機構R&D綜合技術效率有效的8個省區市外，天津和河北這2個省份科研機構R&D的規模效率值為1.000，處于規模收益不變的狀態，表明這2個省份科研機構的R&D資源得到充分利用，要想提高綜合技術效率，應維持規模現狀，提高純技術效率。

其余21個省區市的科研機構均出現不同程度的規模無效，其中重慶、內蒙古、江西和西藏4個省區市處于規模收益遞增狀態，表明這些省區市科研機構R&D資源的利用效率不斷提升，在調整投入與產出資源內部比例關系的同時，需適度加大投資力度，擴大研發規模，進而提高規模效率，直至達到規模收益不變；北京、山西、遼寧、吉林、黑龍江、上海、江蘇、安徽、山東、河南、湖北、湖南、廣西、四川、云南、陜西和甘肅這17個省區市科研機構R&D處于規模收益遞減狀態，說明這17個省區市投入產出比例存在不同程度的失衡，相對產出來說投入規模偏大。對于這類省區市的科研機構，增加投入反而不能帶來更大比例的產出，故應調整投入與產出要素的內部結構，根據實際需要和技術實力選擇規模水平，進而提高規模效率，直至達到規模收益不變。

4.2 投影分析 利用BCC模型和CCR模型對科研機構R&D非DEA有效的省區市進行“投影分析”，可得出非有效省區市的科研機構為達到有效，R&D投入應減少的量和R&D產出應增加的量即省區市科研機構應改進的方向。

4.2.1 投入冗余分析。由表3可知，在23個科研機構R&D效率非DEA有效的省區市中，北京、吉林、上海、山東和西藏這5個省區市科研機構的R&D人員投入與經費投入都得到了充分合理的利用，不存在資源浪費的情況；其余18個省區市科研機構R&D人員與經費都存在不同程度的冗余，人員與資金未能充分發揮其效用。

其中，陜西、四川、河南、湖北、江蘇和河北這6個省區市科研機構R&D人員與R&D經費冗余的現象比較嚴重，均超過了平均值，應大力縮減R&D人員和R&D經費的投入，減少資源的浪費，使投入的資源都能得到合理的利用；天津、黑龍江、江西、湖南這4個省區市只有R&D人員的冗余值超過了平均值，屬于R&D人員冗余嚴重的省份，應大力減少人員的投入，適當減少經費的投入，從而使人力資源得到合理的配置；其余8個省區市科研機構的R&D人員與R&D經費冗余都低于平均值，應適當降低人力資本和經費的投入，以提高R&D效率。

另外，R&D人員冗余現象較R&D經費來說嚴重，有10個省區市的冗余值超過平均值，這不僅給管理人員增加了很多管理負擔，還容易導致科研“搭便車”現象的發生，所以應合理配置科研機構的人員結構，明確科研人員的職責，使科研人員都能充分發揮自己在R&D活動中的作用，提高R&D效率。

4.2.2 產出不足分析。由表4可知，在23個科研機構R&D效率非DEA有效的省區市中，北京、吉林、上海、山東和西藏這5個省區市科研機構的R&D產出比較理想，5項指標均達到了目標值；其他18個省區市科研機構的R&D產出都存在不同程度的不足，具體表現為以下方面。

（1）在科技論文方面，江蘇、江西、廣西和甘肅這4個省區科研機構的科技論文數達到了目標值，其余14個省區市的科研機構需通過增加科技論文數來提高R&D效率，遼寧、陜西、四川、天津、湖南、安徽、湖北和山西這8個省市科技論文的產出不足超過了平均值，應大力提高科技論文方面的產出。

（2）在科技著作方面，河南、湖北、云南這3個省科研機構的科技著作數達到了目標值，其余15個省區市的科研機構需通過增加科技著作數來提高R&D效率，江蘇、陜西、安徽、遼寧、天津、黑龍江、山西和甘肅這8個省區科技著作不足數超過了平均值，應大力加強科研機構在科技著作方面的產出，以提高科研機構的R&D效率。

（3）在專利申請方面，天津、河北、山西、內蒙古、遼寧、黑龍江、安徽、河南、湖北、湖南、重慶、四川和陜西這13個省區市科研機構的專利申請數達到了目標值；另外云南、甘肅、廣西和江蘇4個省區的專利申請數嚴重不足，應大力提高專利申請的數量。

（4）在有效發明專利方面，只有山西、內蒙古和甘肅這3個省區科研機構的有效發明專利數達到了目標值；另外，陜西、江蘇、四川、遼寧、安徽和湖南這6個省份有效發明專利不足的數量較為嚴重，應進一步增加有效發明專利的數量。

（5）在國家或行業標準方面，黑龍江、安徽、湖南、重慶、四川這5個省市科研機構形成的國家或行業標準數達到了目標值；其余13個省區市的科研機構需通過增加國家或行業標準數來提高R&D效率，江蘇、湖北、云南、遼寧、河南、甘肅和山西這7個省份國家或行業標準數嚴重不足，應進一步增加科研機構在該方面的產出。

由（1）～（5）可知，這5項產出指標按照達到目標值和平均值的省區市個數排名為專利申請數、國家或行業標準數、科技著作數、有效發明專利數、科技論文數。科技論文數不足是制約各省區市科研機構R&D效率的主要指標。另外，23個科研機構R&D非DEA 有效省區市都至少有1項產出優勢，即至少有1項產出指標的數量達到了目標值，也就是說各省區市應在保持自身產出優勢的基礎上，加大其余產出指標，尤其是那些產出嚴重不足的指標的產量，從而提高科研機構的R&D效率。

由（2）和（4）可知，專利申請達到目標值的省區市有13個，而有效發明專利數達到目標值的省區市只有3個。由此可見，我國科研機構對專利的申請力度要大于對專利的管理、保護和應用的力度，這一方面是因為科研機構把專利申請數作為技術鑒定、課題驗收、職稱評定等的考核指標，這有可能誘發科技人員“為申請而申請”的行為，使得“垃圾專利”的數量增多；另一方面是因為專利維護的成本要高于收益，專利開發與市場應用脫節、商業化水平低，專利的收益較低，且我國專利保護水平較低，專利市場很容易被非法入侵，需要大量的成本進行維護，以致維護成本超過專利收益。

4.3 聚類分析 為了更有效地指導我國各省區市科研機構R&D效率的實踐，根據各省區市科研機構R&D的投入水平與綜合技術效率情況，將31個省區市的科研機構分為“高投入高效率”“高投入低效率”“低投入低效率”和“低投入高效率”4種類型。

對于投入水平，先用因子分析法將R&D人員投入與R&D經費投入2個指標合并為1個因子，并計算總的因子得分，然后將高于因子得分平均值的省區市化為投入較高的省區市，低于因子得分平均值的省區市化為投入較低的省區市；對于綜合技術效率，則相對簡單，將高于綜合技術效率平均值的省區市劃為效率較高的省區市，低于綜合技術效率平均值的省區市劃為效率較低的省區市。這樣，就可以把31個省區市科研機構R&D現狀分為4種類型（表5）。

類型Ⅰ為R&D投入水平和綜合技術效率均較高的“高高”型。北京、遼寧、上海這3個省市的科研機構屬于該類型，這3 個省市均為我國經濟較發達的地區，其科研機構R&D投入水平較高，R&D效率水平也較高，是一種較為有效的類型，但也應在保證R&D效率水平的基礎上，減少R&D投入，進而減少資源的浪費。

類型Ⅱ為R&D 投入水平高、綜合技術效率低的“高低”型。江蘇、湖北、四川、陜西這4個省的科研機構屬于該類型，這4個省科研機構的R&D投入都偏高，應在今后的發展過程中適當控制R&D投入規模，深化R&D投入與產出機制與體制改革，提高預算約束，加強管理創新，從而提高R&D技術效率，努力向類型Ⅰ靠近。

類型Ⅲ為R&D投入水平和綜合技術效率均較低的“低低”型。天津、河北、山西、內蒙古、黑龍江、安徽、江西、河南、湖南、重慶、云南和西藏12個省區市的科研機構屬于該類型。這些科研機構大多位于我國中、西部地區，由于地區經濟較為落后，因此對R&D的投入水平也較低，另外可能由于制度條件和管理水平的限制，科研機構R&D的技術效率也較低。該種類型的科研機構應將有限的R&D資源投入其優勢環節，集中資源和精力解決一些較有優勢且產出效益好的科研問題，同時科研機構也要認清自身在R&D投入產出機制和管理運作方面存在的問題，努力提高R&D效率。

類型Ⅳ為R&D 投入水平低、綜合技術效率高的“低高”型。吉林、浙江、福建、山東、廣東、廣西、海南、貴州、甘肅、青海、寧夏和新疆12 個省區的科研機構屬于該類型。此種類型是科研機構R&D最理想的狀態，用最少的R&D投入，取得最大的R&D效率，在今后發展過程中應充分發揮其投入產出的優勢，繼續加大R&D投入水平，以期獲得更多的產出。

5 結論及建議

5.1 結論 我國科研機構整體R&D效率不高，省區市間差距大，規模效率平均值要高于純技術效率，但純技術效率為1000的省區市要高于規模效率為1.000的省區市；在投入上，R&D人員冗余的現象要高于R&D經費；在產出上，科技論文、科技著作、專利申請、有效發明專利、國家或行業標準都存在不同程度不足，其中科技論文數的不足最為嚴重，專利的申請力度要大于對專利的維護力度；根據R&D投入水平和綜合技術效率，可將我國省區市科研機構分為“高高”“高低”“低低”和“低高”4種類型。通過效率分析、投影分析和聚類分析，各省區市科研機構可根據自身的效率特點及所處的類型，針對性地進行效率改進。

5.2 建議

5.2.1 合理配置科技資源，明確科研機構定位。科研機構應根據實際情況，合理配置科技資源，減少或取消相對低效率科研方向上的資源投入，避免資源的浪費。各省區市的科研機構應依托本地的科技資源，明確科研機構的定位，利用省區市優勢揚長避短，提高R&D效率。

5.2.2 優化效率評價過程，建立監測機制。R&D活動是一項持續性的長期活動，對其效率的評價應貫穿整個活動的始終。但是目前大多數研究只重視對最終結果的評估，忽視了過程評價。因此，應把事前評價、事中評價和事后評價結合起來，建立一套對科研機構R&D情況完整的評價體系，從而更好地指導科研機構的R&D活動。與此同時，科研機構還應定期對R&D活動進行監測，建立嚴格的信息反饋機制，及時地發現問題并糾正問題，提高R&D效率。

5.2.3 建立和完善激勵機制和考核機制。科研機構為了提高科研產出數量，有必要建立有效的激勵機制，將R&D人員的成果與獎勵緊密掛鉤，從而提高R&D人員的積極主動性；在激勵過程中，不僅要考慮科研成果的數量，更要注重質量，因此需要嚴格的考核機制來保證科研成果的數量。建立和完善激勵機制和考核機制，可以提升科研成果數量和質量，進而提高R&D效率。

5.2.4 增加省際R&D合作項目，發揮省際協同效應。各省份都有自身的R&D優勢和不足，省際R&D合作項目能夠促進省際間科技資源的合理配置和高效利用，最大限度避免資源浪費。因此，各省區市的科研機構應增強互動與合作，增加省際R&D合作項目，共同提高R&D效率。

參考文獻

[1] 古景亮，賈培民，鐘彩霞，等.科研機構創新能力綜合評價指標應用研究[J].醫學信息學雜志，2007，28（6）：565-567.

[2] NAGPAUL P S，BOY S.Constructing a multiobjective measure of research performance[J].Scientometrics，2003，56（3）：383-402.

[3] 張鳳，霍國慶.國家科研機構創新績效的評價模型[J].科研管理，2007，28（2）：35-42.

[4] WANG E C.R&D efficiency and economic performance：A crosscountry analysis using the stochastic frontier approach[J].Journal of policy modeling，2007，29（2）：345-360.

[5] 楊淇蘥，李健.基于模糊綜合評價法的貴州省科研機構創新績效評價指標體系[J].科技情報開發與經濟，2011，21（13）：129-133.

[6] 姜永葳，王秀麗.基于主成分分析的地區高校科研績效評價研究[J].科技和產業，2009，9（11）：97-99.

[7] 趙嚴偉.我國30個省市的研究與開發投入產出效率分析[J].貴州農業科學，2013，41（2）：195-200.

[8] JOHNES J，YU L.Measuring the research performance of Chinese higher education institutions using data envelopment analysis[J].China economic review，2008，19：679-696.

[9] ABBOTT M，DOUCOULIAGOS C.The efficiency of Australian universities：A data envelopment analysis[J].Economics of education review，2003，22（1）：89-97.

[10] MORENO A A，TADEPALLI R.Assessing academic department efficiency at a public university[J].Managerial and decision economics，2002，23（7）：385-397.

[11] JEEVAN V K，GUPTA B M.A scientometric analysis of research output from Indian Institute of Technology，Kharagpur[J].Scientometrics，2002，53（1）：165-168.

[12] 程宏偉，張永海，常勇.公司R&D投入與業績相關性的實證研究[J].科學管理研究，2006，24（3）：110-113.

[13] COCCIA M.A scientometric model for the assessment of scientific research performance within public institutes[J].Scientometrics，2005，65（3）：307-321.

[14] 駱珣，盧嬋君.基于DEA的北京市轉制科研機構投入產出效率評價[J].生產力研究，2007（9）：75-76.

[15] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）：429-444.

[16] 莫劍芳，葉世琦.基于DEA的資源配置狀況分析[J].運籌與管理，2002，11（1）：42-45.

[17] 韓松，魏權齡.資源配置的非參數DEA模型[J].系統工程理論與實踐，2002，22（7）：59-70.

[18] 韓東林，胡姍姍.省際比較視角下政府研究機構R&D效率評價：基于第二次全國R&D資源清查數據[J].情報雜志，2012，31（5）：84-89.